当前位置：首页 > news >正文

索引----数据库

news 2026/2/7 13:15:01

本博客全是来自于黑马程序员的mysql专题，我写的笔记

索引

是帮助Mysql高效获取数据的数据结构（有序）

数据库系统还维护着满足特定查找算法的数据结构，这些数据结构以某种方式引用（指向）数据，这样就可以在这些数据结构上实现高级查找算法，这种数据结构就是索引。

在一个数据库中，简单的一个数据库，如：

执行一个语句

select * from users where age = 27

有索引的情况下（以二叉树为例，会对age这个字段建立一个二叉树的索引结构），从而大大的提高查询的效率。

如果没有索引的情况下，那就需要进行全表扫描。

不同的存储引擎拥有不同的索引

不同的存储引擎对不同的索引的支持情况

正常情况下的索引，通常指代的是B+tree索引。

关于二叉树

传统上的二叉树存在的问题

如果主键采用的是顺序存储的时候，会形成一个单向链表，性能会大大降低，

大数据量的情况下，层级较深，检索速度慢。

在MySQL中常用的是B+tree和hash算法进行查询

B-Tree树

B树是一种多叉路衡查找树，相对于二叉树，B树每个节点可以有多个分支，即多叉。
以一颗最大度数（max-degree）为5(5阶)的b-tree为例，那这个B树每个节点最多存储4个key，5
个指针：（树的度数指的是一个节点的子节点个数。）

B+Tree

B+Tree是B-Tree的变种，我们以一颗最大度数（max-degree）为4（4阶）的b+tree为例。

B+Tree 与 B-Tree相比，主要有以下三点区别：

所有的数据都会出现在叶子节点。
叶子节点形成一个单向链表。
非叶子节点仅仅起到索引数据作用，具体的数据都是在叶子节点存放的。

MySQL索引数据结构对经典的B+Tree进行了优化。在原B+Tree的基础上，增加一个指向相邻叶子节点
的链表指针，就形成了带有顺序指针的B+Tree，提高区间访问的性能，利于排序。

hash索引

哈希索引就是采用一定的hash算法，将键值换算成新的hash值，映射到对应的槽位上，然后存储在hash表中。

如果两个(或多个)键值，映射到一个相同的槽位上，他们就产生了hash冲突（也称为hash碰撞），可以通过链表来解决。

特点
A. Hash索引只能用于对等比较(=，in)，不支持范围查询（between，>，< ，...）
B. 无法利用索引完成排序操作
C. 查询效率高，通常(不存在hash冲突的情况)只需要一次检索就可以了，效率通常要高于B+tree索
引

在MySQL中，支持hash索引的是Memory存储引擎。而InnoDB中具有自适应hash功能，hash索引是
InnoDB存储引擎根据B+Tree索引在指定条件下自动构建的。

为什么InnoDB存储引擎选择使用B+Tree索引结构

a、相对于二叉树，层级更少，搜索效率高

b、对于B+tree ，无论是叶子节点还是非叶子节点，都会保存数据，这样导致一页中存储的键值减少，指针跟着减少，要同样保存大量数据，只能增加树的高度，导致性能降低。

c、相对于hash索引，B+tree支持范围匹配及排序操作。

索引分类

在MySQL数据库，将索引的具体类型主要分为以下几类：主键索引、唯一索引、常规索引、全文索引。

而在在InnoDB存储引擎中，根据索引的存储形式，又可以分为以下两种：

聚集索引选取规则:
如果存在主键，主键索引就是聚集索引。

如果不存在主键，将使用第一个唯一（UNIQUE）索引作为聚集索引。
如果表没有主键，或没有合适的唯一索引，则InnoDB会自动生成一个rowid作为隐藏的聚集索
引。

思考题：
以下两条SQL语句，那个执行效率高? 为什么?
A. select * from user where id = 10 ;
B. select * from user where name = 'Arm' ;
备注: id为主键，name字段创建的有索引；
解答：
A 语句的执行性能要高于B 语句。
因为A语句直接走聚集索引，直接返回数据。而B语句需要先查询name字段的二级索引，然
后再查询聚集索引，也就是需要进行回表查询。

InnoDB主键索引的B+tree高度为多高呢?
一行数据大小为1k，一页中可以存储16行这样的数据。InnoDB的指针占用6个字节的空
间，主键即使为bigint，占用字节数为8。
高度为2：
n * 8 + (n + 1) * 6 = 16*1024 , 算出n约为 1170
1171* 16 = 18736
也就是说，如果树的高度为2，则可以存储 18000 多条记录。
高度为3：
1171 * 1171 * 16 = 21939856
也就是说，如果树的高度为3，则可以存储 2200w 左右的记录。

以一个数据库为例子

CREATE [UNIQUE | FULLTEXT | SPATIAL] INDEX index_name
ON table_name (column1 [ASC|DESC], column2 [ASC|DESC], ...)
[USING BTREE | HASH]
[COMMENT 'string'];

name字段为姓名字段，该字段的值可能会重复，为该字段创建索引

create index idx_user_name on tb_user(name);

phone 手机号字段的值是非空的，唯一的，为该字段创建唯一索引

create unique index idx_user_phone on tb_user(phone);

为profession,age, status创建联合索引

create index idx_user_pro_age_sta on tb_user(profession,age,status);

为email建立合适的索引来提升查询效率

create index idx_user_email on tb_user(email);

查看数据库的所有索引数据

show index from tb_user;

# 关于删除次数
show global  status  like 'com_delete';
# 关于添加次数
show global  status  like 'com_insert';
# 关于查询次数
show global  status  like 'com_select';
# 关于修改次数
show global  status  like 'com_update';

如何开启慢查询

查看

show variables  like 'slow_query_log'

会得到

slow_query_log,OFF

这是由于慢查询没有打开

先关闭mysql，改配置文件

slow_query_log=1
long_query_time=2

然后重启

systemctl restart mysqld

#开启profile功能
set profiling =1;
#查看每一条sql的执行耗时情况
show profiles ;
#查看指定query_id的sql的耗时情况
show profile for query query_id;
#查看指定query_id的sql语句cpu的使用情况
show profile cpu for query  query_id;

explain

EXPLAIN 或者 DESC命令获取 MySQL 如何执行 SELECT 语句的信息，包括在 SELECT 语句执行过程中表如何连接和连接的顺序。

语法规则

在所执行的查询语句面前加上explain / desc